Secondo uno studio condotto da Deloitte, budget limitati e costi sono i motivi principali per cui molte aziende non implementano progetti Big Data. Giustificare gli investimenti in una nuova infrastruttura IT per elaborare grandi quantità di dati può essere davvero difficile, soprattutto se l'azienda non ha ancora un business case immediato.

L'elaborazione dei carichi di lavoro Big Data è diversa da quella dei tradizionali carichi di lavoro delle applicazioni aziendali. I carichi di lavoro Big Data vengono elaborati in parallelo, invece che in sequenza. L'IT solitamente assegna la priorità ai carichi di lavoro business critical e pianifica l'esecuzione in batch dei lavori con priorità inferiore durante la notte o quando c'è capacità in eccesso. L'analisi dei Big Data richiede l'esecuzione in tempo reale di molti casi d'uso per ottenere analisi e risposte immediate. Questo costringe l'IT a modificare le policy dei data center e ad apprendere nuovi strumenti per creare, gestire e monitorare questi nuovi carichi di lavoro.

Le aziende devono scegliere il tipo di infrastruttura giusto per eseguire le applicazioni e i dati esistenti. L'acquisto di hardware richiede tempo. Il passaggio al cloud può rivelarsi un'ottima soluzione per un prototipo, ma comporta il rischio di dipendenza dalla piattaforma, problemi di sicurezza e costi estremamente elevati per un utilizzo su larga scala. Le aziende devono anche decidere quale distribuzione Hadoop scegliere: Cloudera, Hortonworks, MAPR e Pivotal offrono tutte architetture concorrenti (e incompatibili). In campo ci sono tante decisioni che, una volta prese, rendono difficili eventuali ripensamenti futuri. Per questo tantissime aziende rimandano il discorso sui Big Data.